การขุดค้นข้อมูล (Data mining)คือกระบวนการดึงรูปแบบที่ซ่อนอยู่จากข้อมูล การขุดค้นข้อมูลระบุแนวโน้มภายในข้อมูลที่เหนือกว่าการวิเคราะห์ข้อมูลแบบธรรมดา ด้วยการใช้อัลกอริธึมที่ซับซ้อน ผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญด้านสถิติก็มีโอกาสที่จะระบุคุณลักษณะสำคัญของกระบวนการและเป้าหมายโอกาสได้ การขุดค้นข้อมูลกำลังกลายเป็นเครื่องมือที่สำคัญมากขึ้นเรื่อยๆ ในการเปลี่ยนข้อมูลเหล่านี้ให้เป็นสารสนเทศ โดยทั่วไปแล้วจะใช้กันอย่างแพร่หลายในแอปพลิเคชันต่างๆ เช่น การผลิต การตลาด การตรวจจับการฉ้อโกง และการค้นพบทางวิทยาศาสตร์ เป็นต้น

ความไวในระดับท้องถิ่น เช่น สัมประสิทธิ์สหสัมพันธ์และอนุพันธ์ย่อย สามารถใช้ได้เฉพาะในกรณีที่ความสัมพันธ์ระหว่างอินพุตและเอาต์พุตเป็นเชิงเส้นเท่านั้น หากความสัมพันธ์ไม่เป็นเชิงเส้น จะต้องใช้การวิเคราะห์ความไวในระดับสากลโดยอาศัยความสัมพันธ์ของความแปรปรวนระหว่างการกระจายของอินพุตและเอาต์พุต เช่น ดัชนี Sobol ด้วยการวิเคราะห์ความไวความซับซ้อนของระบบสามารถลดลงได้ และสามารถอธิบายห่วงโซ่เหตุและผลได้^{[ 1 ] [ 2 ]}

ความแปรปรวน ความไม่แน่นอน ความคลาดเคลื่อน และข้อผิดพลาดของระบบทางเทคนิคมีบทบาทสำคัญในกระบวนการออกแบบผลิตภัณฑ์ สิ่งเหล่านี้เกิดจากความไม่แม่นยำในการผลิต ความไม่แน่นอนของกระบวนการ อิทธิพลของสิ่งแวดล้อม การสึกหรอ และปัจจัยมนุษย์ เป็นต้น ซึ่งมีลักษณะเป็นการกระจายแบบสุ่ม การจำลองแบบกำหนดไม่สามารถทำนายพฤติกรรมของระบบจริงได้เนื่องจากความแปรปรวนและความไม่แน่นอนของข้อมูลนำเข้า เพราะการคำนวณแบบจำลองหนึ่งแบบแสดงให้เห็นเพียงจุดเดียวในพื้นที่การออกแบบ ต้องทำการ จำลองแบบความน่าจะเป็นโดยที่การกระจายผลลัพธ์จะถูกคำนวณจากการกระจายข้อมูลนำเข้าโดยอิงจากแบบจำลองการจำลองแบบกำหนดโดยระบบจำลองใดๆ พฤติกรรมของระบบที่สมจริงสามารถอนุมานได้จากการกระจายผลลัพธ์เหล่านี้^{[ 3 ] [ 4 ]}

ความแปรปรวนของพารามิเตอร์มักทำให้ระบบล้มเหลว การวิเคราะห์ความน่าเชื่อถือ ( การวิเคราะห์โหมดความล้มเหลวและผลกระทบ ) จะตรวจสอบการละเมิดขอบเขตของเอาต์พุตเนื่องจากความแปรปรวนของอินพุต กลไกความล้มเหลวของส่วนประกอบเป็นที่ทราบกันดีในข้อกำหนดสำหรับการพัฒนาผลิตภัณฑ์ โดยระบุจากการวัด การรวบรวมข้อมูลภาคสนาม ข้อมูลวัสดุ ข้อกำหนดของลูกค้า ฯลฯ ในการจำลอง การปฏิบัติตามข้อกำหนดของผลิตภัณฑ์ทั้งหมดจะถูกกำหนดเป็นข้อจำกัดของผลลัพธ์การจำลอง ความน่าเชื่อถือของระบบจะเกิดขึ้นได้ก็ต่อเมื่อข้อจำกัดทั้งหมดกระจายอยู่ภายในขอบเขตที่กำหนด แม้ว่าการจำลองพารามิเตอร์ที่กำหนดจะแสดงให้เห็นว่าค่าทั้งหมดของข้อจำกัดอยู่ในขอบเขตที่น่าเชื่อถือ แต่ความน่าเชื่อถือของระบบก็ไม่สามารถรับประกันได้เนื่องจากความแปรปรวนของอินพุต ส่วนหนึ่งของความแปรปรวนของข้อจำกัดที่ละเมิดขอบเขตที่กำหนดเรียกว่าความน่าจะเป็นของความล้มเหลวของโซลูชัน การวิเคราะห์ความน่าเชื่อถือจะคำนวณความน่าจะเป็นของความล้มเหลวของส่วนประกอบแต่ละส่วนและของระบบทั้งหมด ณ จุดเวลาที่กำหนด^{[ 5 ]}

การสร้างแบบจำลองเมตา (Meta-modeling) คือการผสมผสานระหว่างแบบจำลองตัวแทน (Surrogate model)และเครือข่ายประสาทเทียมที่ได้รับข้อมูลทางฟิสิกส์ซึ่งเป็นกระบวนการเพื่อให้ได้ความสัมพันธ์ทางคณิตศาสตร์ระหว่างพารามิเตอร์อินพุตและเอาต์พุต วิธีการสร้างแบบจำลองแบบใหม่คือการผสมผสานข้อมูลที่ไม่สมบูรณ์และส่วนประกอบทางกายภาพที่ไม่สมบูรณ์เข้าด้วยกันเพื่อให้ได้แบบจำลองเมตาที่แม่นยำสำหรับการคำนวณแบบเรียลไทม์^{[ 6 ] [ 7 ]}

การทำนายความล้า (ของวัสดุ)เป็นหนึ่งในปัญหาที่สำคัญที่สุดในงานวิศวกรรมการออกแบบเพื่อความน่าเชื่อถือและคุณภาพ มีประโยชน์ในทางปฏิบัติหลายประการ เช่น การปรับปรุงการออกแบบอย่างรวดเร็วในระหว่างขั้นตอนการพัฒนาผลิตภัณฑ์ การทำนายขีดจำกัดการใช้งานภาคสนาม และการวิเคราะห์ความล้มเหลวของผลิตภัณฑ์ที่ส่งคืนจากภาคสนามหรือล้มเหลวในการทดสอบคุณสมบัติ การวิเคราะห์ความล้าจะเน้นที่กลไกความล้มเหลวจากความร้อนและทางกล ความล้มเหลวจากความล้าส่วนใหญ่เกิดจากความเค้นทางความร้อนและทางกลที่เกิดจากความแตกต่างของสัมประสิทธิ์การขยายตัวทางความร้อนและทางกล ความล้มเหลวจากความล้าจะเกิดขึ้นเมื่อชิ้นส่วนประสบกับความเค้นและความเครียดแบบวัฏจักรที่ก่อให้เกิดความเสียหายถาวร

ในกระบวนการพัฒนาผลิตภัณฑ์ทางเทคนิค มักจะมีปัญหาด้านการออกแบบที่มีเป้าหมายหรือเกณฑ์การประเมินหลายอย่าง เช่น ต้นทุนต่ำ คุณภาพสูง เสียงรบกวนต่ำ เป็นต้น ต้องหาพารามิเตอร์การออกแบบเพื่อลดเกณฑ์ทั้งหมดให้เหลือน้อยที่สุด ในทางตรงกันข้ามกับการเพิ่มประสิทธิภาพแบบเดี่ยวการเพิ่มประสิทธิภาพแบบหลายเป้าหมาย จะมีโครงสร้างลำดับที่แตกต่างกันระหว่างพื้นที่พารามิเตอร์และเกณฑ์ เกณฑ์ต่างๆ อาจขัดแย้งกัน การพยายามลดเกณฑ์หนึ่งอาจทำให้เกณฑ์อื่นๆ เพิ่มขึ้น ไม่เพียงแต่จะมีวิธีแก้ปัญหาเดียว แต่ยังมี ขอบเขตวิธีแก้ปัญหา ที่เหมาะสมที่สุดแบบพาเรโตอีกด้วย การเพิ่มประสิทธิภาพแบบหลายเป้าหมายจะค้นหาวิธีแก้ปัญหาแบบพาเรโตทั้งหมดโดยอัตโนมัติด้วยการทำงานเพียงครั้งเดียว นอกจากนี้ยังมีเครื่องมือสนับสนุนการตัดสินใจหลายอย่างให้เลือกวิธีแก้ปัญหาที่เหมาะสมที่สุดจากวิธีแก้ปัญหาเหล่านั้น^{[ 8 ]}

ความแปรปรวน ความไม่แน่นอน และความคลาดเคลื่อนต้องได้รับการพิจารณาในกระบวนการออกแบบระบบทางเทคนิคเพื่อให้มั่นใจถึงคุณภาพและความน่าเชื่อถือที่ต้องการสูง สิ่งเหล่านี้ควบคุมไม่ได้ คาดเดาไม่ได้ และทำให้เกิดความไม่แน่นอนในการตอบสนองข้อกำหนดของผลิตภัณฑ์ที่ต้องการ เป้าหมายของการออกแบบคือการรับประกันฟังก์ชันการทำงานของผลิตภัณฑ์ที่ระบุไว้ แม้จะมีความแปรปรวนและความไม่แน่นอนที่หลีกเลี่ยงไม่ได้ แนวทางในการแก้ปัญหานี้คือการออกแบบพารามิเตอร์ผลิตภัณฑ์ที่แข็งแกร่งในขั้นตอนการออกแบบช่วงต้น ( การออกแบบพารามิเตอร์ที่แข็งแกร่ง (RPD) ) ด้วยวิธีนี้ ควรค้นหาพารามิเตอร์ผลิตภัณฑ์ที่เหมาะสมที่สุด ภายในนั้น พฤติกรรมของระบบจะมีความแข็งแกร่งและไม่ไวต่อการเปลี่ยนแปลง แม้จะมีความแปรปรวนที่หลีกเลี่ยงไม่ได้ เช่น ความแปรปรวนและความไม่แน่นอนที่สม่ำเสมอจะนำไปสู่ความแปรปรวนของลักษณะผลิตภัณฑ์น้อยที่สุดเท่านั้น ดังนั้น ข้อกำหนดของผลิตภัณฑ์ที่ต้องการจะได้รับการตอบสนองเสมอ^{[ 9 ]}